영상 링크: Designing AI-Intensive Applications - swyx
채널명: AI Engineer
AI 집중형 애플리케이션 설계 - swyx 핵심 요약
- AI Engineer 컨퍼런스의 개요 및 최신 동향, 행사 준비 비화, AI 엔지니어링의 발전상에 대해 다룸
- 2025년 기준 참가자 3,000명이 모두 막판에 등록해, 주최 측에 큰 부담이 있었음을 ‘Genie 계수’란 유머로 언급
- AI 엔지니어링 트랙 및 세션 수를 전년도 대비 두 배로 늘려, 현업 엔지니어 요구에 적극 대응함
- 다양한 설문조사를 통해 참가자들이 관심있는 주제를 선정해 프로그램에 반영하고, 기술적 깊이와 행사 현장성 강화
- 혁신적 행사 진행으로 공식 챗봇 및 보이스봇 도입 등, 타 유명 컨퍼런스와 차별화된 경험 제공
- AI 엔지니어링이 다양한 표준 모델을 필요로 하며, 물리학에서 ‘표준 모델’ 정립의 역사와 유사하게 현재 초석이 다져지는 단계임을 강조
- AI 엔지니어링에서 등장하는 대표적 표준 모델 후보(LLM OS, LLM SDLC, 에이전트 구현 모델 등)와 각각의 핵심 특징, 활용방안 언급
- ‘AI뉴스’ 구축 과정 실례를 바탕으로, 실용적 AI 애플리케이션 설계법(동기-계획-분석-전달-평가, SPAD 모델) 제시
- 에이전트와 워크플로우의 경계, 입력과 산출의 비율, 실질적 가치 창출을 논의하며 논리적 정의보다 실질적 효과를 중시
- 참가자들에게 새로운 AI 엔지니어링 표준 모델을 적극 고민하고, 본인의 프로젝트에 접목할 것을 독려하며 강연을 마무리함
세부 요약 - 주제별 정리
컨퍼런스 준비 과정에서 막판 등록이 주최 측에 큰 부담을 주었음
- 3,000명 가까운 참가자들이 모두 행사 직전에 등록, 일정 및 운영에 심각한 부담이 발생함
- 이러한 현상을 ‘Genie 계수’라는 유머러스한 용어로 정량화해 표현
- 지난해와 비교해 막판 등록이 심화된 양상으로, 참가자들에게 조기 등록을 당부함
참가자 의견과 설문조사를 적극 반영해 행사 프로그램을 구성함
- 다양한 설문조사를 통해 참가자들이 관심 갖는 테마(에이전트, AI와 크립토 등)를 파악하고 세션에 반영
- 아직 진행 중인 설문조사 참여를 독려하며, 결과를 다음날 공개하겠다고 안내
- 현장 데이터와 다양한 채널을 활용해 내년도 행사 기획에도 적극 활용할 계획임
AI 엔지니어링 트랙 및 세션 숫자를 적극 확장해 업계의 최신 요구를 반영함
- 전년도에 비해 모든 트랙을 두 배로 확장, 기술적 다양성과 깊이 모두 강화
- 과도한 트랙 증설에 따른 참가자 결정보다는, AI 기술 전반을 다루는 포괄성이 더 중요하다고 판단
- 참석자들이 최첨단 AI 흐름을 모두 접할 수 있도록 트랙을 구성함
기술적 혁신과 빠른 행사 운영으로 타 컨퍼런스와 차별화함
- 공식 챗봇(MCP), 공식 보이스봇 등 실용적 AI 도구를 도입해 행사 경험을 개선
- Sam Julian(Writer), Quinn & John(Daily), Elizabeth Triken(Vappy) 등 외부 파트너와의 협업 사례 언급
- 유럽, TED 등 여타 유명 행사 대비, 빠른 피드백 및 기술적 심층성을 강조함
최근 AI 엔지니어링 커뮤니티의 위상이 높아지고, 실질적 부가가치가 빠르게 확산됨
- 과거엔 GPT 래퍼(GPT Wrapper) 등 단순 응용이 조롱받았으나, 현재는 큰 수익 창출자들이 다수 탄생
- 성공 사례로 컨퍼런스 내 실제 인물들이 직접 언급됨
- 업계 내 수직적 위상 변화와 AI 엔지니어링 직무의 성장세를 확인함
‘복잡성의 과도한 집착’이 경계 대상이며, 단순하고 실용적인 모델이 더 효과적임
- 앤트로픽의 lat space podcast, Eric Suns의 Sweetbench, Greg Brockman(딥리서치) 등 여러 전문가가 단순 모델의 효율을 강조함
- 오히려 ‘황제는 알몸’ 비유처럼, 아직 초기 시장(알파 상태)로 단순한 방식이 더 성과를 내고 있음
- 최신 기술이 애초에 간단한 구조에서 더 큰 효과를 내는 사례 공유
물리학의 ‘표준 모델’ 정립 사례를 들어, 지금이 AI 엔지니어링의 체계 성립 시점임을 강조함
- 20세기 초중반, 아인슈타인·마리 퀴리 등 당대 최고 물리학자들이 모여 표준 모델을 정립한 1927년 Solvay Conference를 언급
- 물리학의 ‘표준 모델’이 수십 년간 변하지 않은 것처럼, 지금 AI 엔지니어링에서도 비슷한 ‘표준’을 정립할 시기라고 비유
- “AI 엔지니어링의 표준 모델이 무엇이 될 것인가?”라는 핵심 질문을 참가자에게 제시함
주요 AI 엔지니어링 표준 모델 후보와 각 모델의 특징, 발전 방향을 소개함
- LM OS: 2023년 Karpavi가 제안, 2025년 기준 멀티모달리티·도구 세트·MCP(외부 연동 프로토콜) 등 최신 요소로 업데이트됨
- LLM SDLC(소프트웨어 개발 생명주기): 다양한 툴링 간 교차관심사를 구조화한 버전 공개, 초기 RAG·LLM 사용은 무료에 가까우나 실제 부가가치는 소속평가, 보안, 오케스트레이션 등 난이도 높은 영역에서 창출됨
- 에이전트 구현 표준: Enthropic, OpenAI, Dominic(에이전트 SDK) 등 다양한 모델 및 개선 방향 발표
- 의도(intent), 제어 흐름, 메모리, 계획, 툴 사용 등 주요 구성요소 예시
- AMP code: AI 애플리케이션의 실제 배포·운영에서 필요한 새로운 오케스트레이션/운영 기술 부각
AI 제품 환경에서 ‘에이전트’와 ‘워크플로우’ 개념의 엄격한 구분보다 실질적 가치에 초점을 둠
- “AI뉴스”(70,000명 구독) 사례를 통해 에이전트 정의 논란을 설명
- PyTorch 책임자 Sum이 “AI뉴스는 에이전트가 아니다”라고 지적, ‘에이전트’와 ‘스크립트 혹은 워크플로우’간 실질적 차이 재조명
- 논리적 구분보다 “인간 입력 대비 AI 산출 비율”이라는 실질적 효과 측정 모델을 제안
AI 애플리케이션 개발에 활용할 수 있는 실용적 프레임워크(SPAD 모델) 제시
- Scrape-Plan-Analyze-Deliver(동기-계획-분석-전달-평가)∙∙∙AI 집중형 앱은 수천 번의 AI 호출을 병렬적·재귀적으로 조합하여 효율을 도모함
- 실제로 AI뉴스, Discord/Reddit/Twitter 스크레이핑 등에서 이 프로세스를 반복 적용
- 각 단계에서 지식 그래프 구축, 구조적 산출, 코드 아티팩트(예: ChatGPT Canvas, Claude Artifacts) 등으로 발전 가능
- “SPAD” 약어 형태로 핵심 철학 정립
참가자들이 각자 논의와 실험을 통해 ‘차세대 AI 엔지니어링 표준 모델’을 적극 탐색·정립하길 독려함
- 발표자 본인의 아이디어와 ‘표준 모델’은 가설적임을 전제
- 본 행사 및 모든 대화에서 “모두가 사용할 수 있는 AI 엔지니어링 표준 모델” 탐색을 자극
- 궁극적으로는 실 사용자와 시장에 인정받는 응용제품 개발로 이어져야 함을 강조하며 마무리